如果说现在坦克火控的顶尖水平是自动跟踪火控，那么触手可及的未来，则是将目前势头正盛的人工智能技术融入火控系统，让坦克武器系统从自动化迈向智能化。从分划镜到扰动式火控，再到稳像式火控和自动跟踪火控，火控技术的发展都走向了减轻炮手负担的方向。但此前的各种技术只是将火炮的操控变得越来越简单，最终的判断环节仍需要人的参与，而人工智能技术的引入，很可能会将人的因素再度剥离出一部分但不会完全剥离，毕竟我们不能允许对人攻击的指令是由人工智能判断发出的。
(相关资料图)
压力，还是压力
（图为“哈利德”主战坦克，曾是我国出口巴基斯坦的拳头产品 图片来源：百度贴吧）
在行业内权威专家近期发表的一篇公开论文中，提到了双人车组的可能性。美国曾为坦克装甲车辆操作的人工负荷进行过评估，数字从小到大，人工负荷逐渐增加，28被认为是不影响效率的最大值。主要通过美军标准对比了美军M1A2主战坦克和我国出口巴基斯坦“哈利德”主战坦克的乘员工作负荷，并且指出了主要的异同。“哈利德”坦克和M1A2的炮手工作负荷均为28.7，非常接近于理论上较为恰当的值而坦克车长的工作负荷分别达到了40和39.9，驾驶员则为39.5和38.3。“哈利德”主战坦克作为我国出口巴基斯坦的拳头产品，使用了很多当事非常先进的技术，包括自动跟踪火控、双指挥仪猎-歼火控等，对于降低成员工作负荷起到了一定的作用。
不论具体的技术比较结果是怎样的，至少标明一个规律——世界各国的坦克研发思路在尽量压低炮手工作负荷的这条路上不期而遇。作为陆战之王活跃战场的核心竞争力——火力是坦克最重要的一项能力。坦克炮手同时拥有索敌和攻击的能力。一个工作负荷较低的炮手也意味着期望炮手能在较好的环境下发挥出正常甚至超长水平，更好的发挥坦克作为装甲火力平台的长处。同时，两辆坦克的炮手在“思考”方面的工作负荷都非常低，仅为4.6，意味着炮手需要进行的思考活动已经尽量交给自动化的电气设备完成，在任务的大部分时间里可以考虑细化车长的人工指令甚至有余力研究如何提升车组乘员间的配合程度。
AI来袭
作为无数科幻作品中企图“取代人类”的存在，人工智能在图象识别方面的运用已有相当的经验。无论是常用的yolo图像识别模型还是其他自主知识产权的图像识别技术，在识别人脸、口罩和其他非配合目标的情况下已经取得了相当不错的成绩。由于AI技术是在目前第三代坦克的火控系统技术冻结之后诞生的，所以坦克火控对于AI技术而言简直是一片大有作为的广阔天地。现役坦克的自动跟踪系统依然基于传统的对比度锁定，在车机系统处理器已经越来越优秀的今天，人工智能系统已经能够颠覆目前的目标识别与解算方式，而后很可能衍生出大量新的技术运用思路，形成一轮火控技术新概念的“井喷”效应。
（图为搭载ATLAS火控的M1A1 FEP测试车 图片来源：知乎）
2022年底，美国陆军在欧文堡的演示活动期间，测试了一辆装有ATLAS火控系统的M1A1FEP主战坦克。M1A1FEP是美陆军接受的海军陆战队装备，现在已经不算先进。而ATLAS火控系统则是第一套拥有人工智能辅助目标识别的火控系统。ATLAS采用了yolo神经网络图像识别，整合了三代热成像，获得了前所未有的目标识别能力。Yolo神经网络在其中起到了相当重要的作用，主要负责辅助目标捕获。如果说稳像式火控是索敌-跟踪，而自动跟踪火控是索敌-锁定-射击，那么ATLAS则实现了判读-射击。理论上来说，坦克炮手只需要判读火控系统弹出的目标图像是否为敌对目标，按下确认或否定，其他的跟踪、测距、射击会由火控系统自动完成。
（图为美军在ATLAS火控中实验的yolo图像识别 图片来源：腾讯网）
而作为ATLAS火控系统的一部分，美军还在M1A1FEP上实验了其他的云台式传感器。不同于传统的火控系统，云台式传感器不需要将设备整合进车内，可以全部暴露在外甚至进行升降，安装和维护都非常方便。同时，市场上有着很多军用和民用云台的成熟技术，无论是步兵用还是民用，成本都相较于坦克专用火控低得多。ATLAS系统希望简化目标搜索、探测、识别、分类和攻击的流程，全部由AI完成，只需按下一个按钮就可以使得炮塔转向ATLAS探测到的目标。
（图为ATLAS火控测试的云台设备之一 图片来源：百家号）
虽然神经网络图像识别已经相当优秀，极大的降低了成员组的工作压力，但是距离实用还有一定的距离。AI图像识别的优势在于可以快速综合多个传感器完成目标判读，而缺点是依然会受到各种障碍的影响。图像识别技术可以识别出坦克的完整轮廓，但是依然很难在树丛或烟障遮挡下联想出正确的坦克。如果出现大量误判，甚至对“方炮塔，圆炮塔”特征误判敌军友军，则会严重妨碍作战。就美军在伊拉克的经验看，大部分有缺憾的先进系统是因为误报过多被使用者关掉的，而不是故障有多致命。在高压的前线环境下，可靠，稳定才是核心，热成像仪上沾有泥土、粉尘甚至昆虫都是常态，必然会对AI图像识别产生严重影响。
图像识别作为现代技术下自动跟踪火控的完善和进步，必然有尝试的价值。正如人会学习一样，图像识别技术也会有自己的学习库，并且在长期的磨合中逐渐变强，最终实现真正的“一键歼灭”。
